浙江大学陆俊团队在《Angew》发表双位点掺杂让磷酸锰铁锂"稳住畸变"，核心是抑制Mn³⁺引发的Jahn-Teller畸变与随之而来的锰溶出。对正极厂的价值在于提供了掺杂位点协同设计的机理依据，工程转化时需验证双位点掺杂对压实密度与首效的影响，避免为抑制畸变而牺牲克容量。
BatteryMat提出分层机器学习与DFT结合的平均电压筛选框架，用于锂离子正极材料的平均电压预测。对LMFP研发的直接意义是：可在配方设计阶段快速筛选Mn/Fe比例与掺杂元素对电压平台的影响，减少试错批次。但模型精度依赖训练集覆盖度，LMFP的锰溶出与界面副反应难以用体相计算描述，仍需实验验证。
多保真度机器学习力场与从头算随机结构搜索被用于正极材料发现，前者可在保持精度的同时降低DFT计算成本，后者用于探索未知结构。对LMFP的潜在应用是加速包覆层材料与掺杂剂晶体结构的筛选，缩短从配方到中试的周期。落地前提是产线数据与计算数据的口径统一。
共价集成CNT@rGO用于提升导电性与循环稳定性，对LMFP的电子电导率短板有直接参考价值。LMFP的碳包覆均匀性与导电网络构建是量产难点，CNT与rGO的复合导电剂方案若能在成本上可控，可改善LMFP的倍率性能，但需解决分散工艺与浆料稳定性问题。
LiFe0.6Mn0.4PO4橄榄石正极用于新型锂聚合物电池的合成与表征，属于LMFP在聚合物电解质体系中的探索。对从业者的启示是：LMFP的应用边界可能从液态锂电扩展到固态/聚合物体系，但聚合物电解质的界面阻抗与锰溶出的耦合问题需要新的包覆策略，短期内不影响主流液态体系的工艺路线。